一种基于非对称网络的超声甲状腺结节分割方法

一种基于非对称网络的超声甲状腺结节分割方法,属于深度学习图像分割领域。编码层是一个U Net网络,可以获取更多的上下文语义的特征信息,能都准确检测尺度、形状和位置等多变的甲状腺结节,解码层使用空洞卷积,残差连接和卷积核分解的组合,可以将高维全局上下文语义特征信息逐步还原细节纹理及边缘信息。本发明构造的模型在甲状腺数据集上达到了与高精度模型类似的分割精度,IOU比U Net模型高2%左右,且平均分割一张图片的时间为***左右,比医生手动分割效率得到了大大的提升。解决了传统方法中干扰因素过多和图像边缘信息丢失严重的问题,具有较好的准确性和泛化能力⊙